我从一个独立样本的t检验中获得了这些信息。0.989 sample size for group 1 (n1)= 17 sample size for group 2 (n2)= 18 mean difference= 0.30 我需要这个测试的t统计量我对p值的代码进行了反复试验,以获得t统计量,即0.014 2*pt(0.014, 33, lower.tail=F) #p=0.989 我需要一个R代码,它获得p值和df作为输入,并提供0.014作为输出
我正在通过几个回归循环,目标是得到不同模型的最终结果,它们各自的系数和统计数据,以及一些一般结果,如调整后的r平方,AIC等。这个循环是考虑到数据库中的一些子组完成的。当我使用plm来估计结果时,扫把包产生了一些很好的结果,将所有内容打包到一个整洁的数据库中。然而,他们的选择是有限的。或者你得到系数及其统计量(使用tidy - provide p值,t-统计量等),或者你得到总体模型统计量(使用glance -提供R平方,调整R平方,
我开发了一个R代码,它需要计算1000万倍于相同的多元回归模型(15个变量)。每个模型只需提取一个自变量的t-统计量。我需要为每个模型申请一个异方差一致的协方差矩阵估计器,我是通过coeftest和vcovHC使用White的估计器进行的,但是我注意到这个操作大大增加了仿真所需的计算时间。因此,我想知道是否有一种方法来加速代码,因为我只需要第二个变量的t统计量。下面是我在每一次迭代中所做工作的一个玩具示例:
model <- lm(y ~ a + b + c